R＆D项目中止决策的有效性分析

依据数据包络分析理论与方法,建立了Ｒ＆Ｄ项目中止决策有效性分析的指标体系和判模型,并结合我国实际,用它对多个Ｒ＆Ｄ项目实施情况以及他们的经济决定因素,技术决定因素和管理决定因素进行了数理分析,并在此基础上论述了影响我国实施创新非有效的管理因素及相应采取的对策与措施。     

R＆D项目决策的动态规划模型

本文用动态规划的方法对R&D项目实施评价和过程管理 ,兼顾了R&D项目实施过程中管理的弹性值 ,也即项目的期权值 该模型可以看作为Cox ,Ross和Robinstein的二叉树期权定价模型的推广     

R&D项目决策的动态规划模型

本文用动态规划的方法对R&D项目实施评价和过程管理,兼顾了R&D项目实施过程中管理的弹性值,也即项目的期权值.该模型可以看作为Cox,Ross和Robinstein的二叉树期权定价模型的推广.     

企业技术创新群体项目中止决策研究

如何科学、合理、有效地识别和中止那些行将失败或没有前途的技术创新项目,对于企业成功地进行技术创新、建立和保持竞争优势,显然具有十分重要的理论价值和实践意义.我们对技术创新项目中止决策的机理进行了分析,在此基础上提出了企业技术创新群体项目最佳中止比例的四阶段决策模型,并将该模型与企业技术创新风险评价物元模型相结合来确定应该被中止的项目.该方法不仅克服了现有中止决策模型在构造与求解方面的局限性,而且为技术创新项目的跟踪管理提供了一种新的理论依据.文末,应用实例说明了该方法的可行性和有效性.     

神经网络用于模式识别分类的改进算法

用ＢＰ神经网络算法进行模式识别分类,即使对一个训练比较好的网络也极有可能出现样本的导师模式（真实模式）与网络判定模式不符的情况,即会出现误判样本。当待判样本与某一误判训练样本比较接近时,网络很可能对其造成模式误判。为此,本文通过引入训练样本的正、误判子集及定义在其上的待判样本的距离,将距离算法和ＢＰ算法相结合,提出了解决这一问题的新方法。     

一类研究与开发(R&D)项目的投资价值

在用产品价格服从几何布朗运动 跳跃过程来模拟产品的研究和开发 (R&D)时 ,由于技术成功的不可预计性而导致产品价格突变的不确定特点 .利用实物期权方法评估项目的价值和最优投资原则 ,并根据边界条件由动态规划的方法推导出项目的价值和项目的投资机会的价值的表达式 ,还分析了跳跃变化参数对项目投资决策的影响     

基于前馈式神经网络的化工设备维修决策

基于前馈式神经网络模型，提出了一种新的化工设备维修决策方法。根据设备的各状态因素，判断出设奋应属维修等级，制定相应维修策略。数值模拟表明，此法具有高效性、准确性和智能性。     

具有不确定性的R&D项目退出策略

考虑折现率大于零、具有完成时间和部分残值不确定的R&D项目最优退出模型 .在特殊的函数形式下 ,给出解析形式的拒绝规则和临界值控制规则 ,这两个结论说明了最优投资决策在项目的开发过程中对投资率、折现率、可实现的项目价值、项目的开发率是很敏感的 .     

企业R＆D管理会计决策支持系统的分析与设计

根据企业R＆D管理活动的特点,分析了R＆D管理、管理会计以及决策支持系统之间的关系,结合当前决策支持系统开发的原理和方法,分析和设计了R＆D管理会计决策支持系统,提出了该系统的结构和总体功能,并讨论了各功能的实施方法.     

基于遗传算法的神经网络学习算法研究

为了克服神经网络结构和参数设计的随机性及依赖于人的经验的缺点,提出了一种改进的基于遗传算法的BP神经网络学习算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,首先利用遗传算法对神经网络结构、初始连接权和阈值以及学习率和动量因子进行全面进化设计,在解空间中定位出较好的搜索空间,然后在进化神经网络中用训练样本再次寻优。通过利用该算法对XOR问题求解,证明了该算法的有效性,其收敛速度和精度均优于基本BP算法和附加动量项的BP算法。     

基于改进遗传算法的神经网络优化

针对在神经网络应用中,存在结构设计及权值训练算法的不足,提出一种新的基于混合编码方案的遗传算法.在算法中设计了用遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,改进了适应度函数的设计和采用自适应的交叉和变异方法.试验结果表明本算法能有效地对神经网络的权值和结构同时优化,提高了训练效率.     

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型；即先通过遗传学习算法进行全局训练，再用权重调整BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，以新疆雅马渡站的实测径流资料和相应的前期4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。     

基于BP神经网络指纹识别的算法

通过对多种指纹分类算法的研究和分析，提出了一种基于BP神经网络对指纹模板进行分类的新算法．首先在对指纹图象进行预处理后建立起指纹模板库，然后采用时间模拟退火函数进行学习因子修正的方法来减少BP算法迭代次数，以提高收敛速度及跳出局部最小．仿真证明：该算法与传统的指纹识别算法相比，分类速度明显高于传统的固定步长的BP算法．     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

决策树与神经网络结合的入侵检测系统模型研究

入侵检测系统是保证网络信息安全的有力手段,文中提出一种结合决策树和神经网络的入侵检测系统框架。决策树分类方法把数据集划分为正常数据和入侵数据,并作为训练集分别用神经网络进行训练,改善了系统的检测精度并提高了对未知数据的检测能力。离线训练后的系统可以实现网络数据的实时检测,通过实验证明了此系统很好的检测效果和自适应能力。     

基于布谷鸟搜索神经网络的微波加热温度预测模型

微波加热是一种与被加热物直接相互作用的选择性加热方式,具有清洁、节能、减排等特点。针对工业物料作为微波加热负载时,其温度非线性变化的特点,以微波工业加热过程中的多维、海量参数为研究对象,基于泛函接神经网络模型提取样本数据的深度特征,提出了一种基于布谷鸟搜索算法,优化BP神经网络的网络参数,建立了以"数据驱动"为手段微波加热工业物料温度模型。仿真实验结果证明了所提出模型的准确性、实时性。     

模糊综合评价法在企业R＆D能力评价中的应用

依据影响企业R＆D能力的诸多不确定因素，运用模糊综合评价法从整体上评价各个影响因素，综合评价企业R＆D能力。